一种基于投标人行为时序特征的围串标风险动态预警方法与流程

本发明涉及招投标风险识别，尤其涉及一种基于投标人行为时序特征的围串标风险动态预警方法。

背景技术：

1、招投标制度是公共资源交易与政府采购的核心机制，其公平性与竞争性直接关系到国有资金使用效率和市场营商环境的健康发展。然而，围串标行为长期困扰着招投标监管实践。围串标是指投标人之间或投标人与招标人之间，通过事先协商、利益分配等方式人为操纵投标结果的行为。据相关统计，围串标行为可导致采购成本上升10%至30%，严重损害了公共利益和市场公平竞争秩序。

2、针对围串标检测问题，现有专利提出了不同的技术方案。专利cn110992059通过构建投标人关联关系网络，利用社区发现算法识别疑似围串标团伙；专利cn118469615利用卷积神经网络或循环神经网络对投标文件特征进行有监督分类；专利cn106503929通过模糊逻辑对多维投标特征进行聚类分析；cn110046973通过挖掘投标人之间的股权、人员、地址等关联关系识别潜在串通行为。然而，上述现有方案均将每次投标视为孤立的静态事件，仅从单次投标的文本内容、报价数值或静态关联关系中提取特征，未能考虑投标人在一段时间内、跨多个招标项目之间的行为序列模式。实际上，围串标行为往往表现为跨项目的时序行为规律，例如特定投标人组合在不同项目中呈现规律性的先后投标、交替中标等行为模式，这些时序特征无法通过孤立事件分析被有效捕获。

3、因此，有必要提供一种基于投标人行为时序特征的围串标风险动态预警方法及系统解决上述技术问题。

技术实现思路

1、为解决上述技术问题，本发明提供一种基于投标人行为时序特征的围串标风险动态预警方法及系统，用于解决现有围串标检测方法忽视投标人行为时序特征、无法捕获跨项目行为规律，导致检测准确率低且缺乏动态预警能力的问题。

2、本发明提供的一种基于投标人行为时序特征的围串标风险动态预警方法，所述方法包括：

3、采集投标人在电子招投标过程中的多维投标行为数据，对所述多维投标行为数据进行特征编码，生成多维行为向量序列；

4、对所述多维行为向量序列进行层次化时序建模，得到项目内时序表征和跨项目时序表征，通过门控融合机制对所述项目内时序表征与所述跨项目时序表征进行融合，生成层次化行为表征；

5、基于所述层次化行为表征计算预测误差信号、隐空间距离信号及规则引擎信号，并对所述预测误差信号、所述隐空间距离信号及所述规则引擎信号进行自适应加权融合，计算综合异常分数；

6、根据当前招标项目的项目属性信息动态计算预警阈值，将所述综合异常分数与所述预警阈值进行比较，判定围串标风险等级，并根据所述围串标风险等级触发预警响应。

7、优选的，所述对所述多维行为向量序列进行层次化时序建模，得到项目内时序表征和跨项目时序表征，具体包括：

8、获取所述多维行为向量序列对应的招标项目标识和招标项目发生时间；

9、将所述多维行为向量序列按照所述招标项目标识进行分组，得到项目内行为向量序列；

10、采用第一循环神经网络对所述项目内行为向量序列进行时序建模，输出隐藏状态，并通过时序自注意力机制对所述隐藏状态进行加权求和，得到所述项目内时序表征；

11、将所述投标人参与的项目内时序表征按照所述招标项目发生时间进行排列，构成项目级特征序列；

12、计算所述项目级特征序列中相邻招标项目的发生时间间隔，根据所述发生时间间隔生成时间感知位置编码，并将所述时间感知位置编码逐元素叠加至所述项目级特征序列；

13、采用第二循环神经网络对逐元素叠加后的项目级特征序列进行时序建模，得到所述跨项目时序表征。

14、优选的，所述根据所述发生时间间隔生成时间感知位置编码，并将所述时间感知位置编码逐元素叠加至所述项目级特征序列，具体包括：

15、采用正弦-余弦位置编码函数对所述发生时间间隔进行编码，生成时间感知基础编码；

16、基于所述发生时间间隔生成时间衰减因子，将所述时间衰减因子与所述时间感知基础编码逐元素相乘，生成时间感知衰减编码；

17、获取所述相邻招标项目对应的日历时间信息，根据所述日历时间信息生成周期性时间特征编码，将所述周期性时间特征编码与所述时间感知衰减编码进行拼接，生成所述时间感知位置编码；

18、将所述时间感知位置编码逐元素叠加至所述项目级特征序列中的项目内时序表征上，得到所述逐元素叠加后的项目级特征序列。

19、优选的，所述通过门控融合机制对所述项目内时序表征与所述跨项目时序表征进行融合，生成层次化行为表征，具体包括：

20、将所述项目内时序表征与所述跨项目时序表征进行拼接，生成联合项目表征；

21、获取所述项目属性信息，将所述项目属性信息编码为项目属性特征，将所述项目属性特征与所述联合项目表征进行融合，生成增强项目表征；

22、通过可学习的门控权重矩阵和偏置向量对所述增强项目表征进行线性变换，经sigmoid激活函数映射得到门控向量；

23、根据所述门控向量对所述项目内时序表征与所述跨项目时序表征进行逐元素加权相加，生成所述层次化行为表征。

24、优选的，所述基于所述层次化行为表征计算预测误差信号、隐空间距离信号及规则引擎信号，具体包括：

25、通过贝叶斯神经预测网络，根据所述多维行为向量序列中的历史行为向量对下一时刻的行为向量进行预测，得到预测行为向量；

26、计算所述预测行为向量与所述多维行为向量序列中下一时刻的实际行为向量的行为向量误差，对所述行为向量误差进行归一化处理，生成所述预测误差信号；

27、获取正常投标人的历史层次化行为表征，基于所述历史层次化行为表征拟合多元高斯分布，得到所述多元高斯分布的均值向量和协方差矩阵；

28、计算所述层次化行为表征相对于所述多元高斯分布的均值向量和协方差矩阵的马氏距离，对所述马氏距离进行归一化处理，生成所述隐空间距离信号；

29、将所述多维投标行为数据与预设的围串标专家规则库进行规则匹配，生成规则匹配结果，根据所述规则匹配结果计算规则违规评分；

30、基于所述层次化行为表征确定所述规则违规评分的权重系数，对所述规则违规评分进行加权求和与归一化处理，生成所述规则引擎信号。

31、优选的，所述对所述预测误差信号、所述隐空间距离信号及所述规则引擎信号进行自适应加权融合，计算综合异常分数，具体包括：

32、通过计算所述预测行为向量的离散程度，根据所述离散程度确定所述预测误差信号的第一置信度；

33、通过计算所述层次化行为表征在所述多元高斯分布中的累积概率，根据所述累积概率确定所述隐空间距离信号的第二置信度；

34、通过计算所述规则匹配结果中的匹配完整度，根据所述匹配完整度确定所述规则引擎信号的第三置信度；

35、将所述第一置信度作为所述预测误差信号的权重系数，将所述第二置信度作为所述隐空间距离信号的权重系数，将所述第三置信度作为所述规则引擎信号的权重系数；

36、按照所述预测误差信号、所述隐空间距离信号及所述规则引擎信号的权重系数，对所述预测误差信号、所述隐空间距离信号及所述规则引擎信号进行加权求和，生成所述综合异常分数。

37、优选的，所述根据当前招标项目的项目属性信息动态计算预警阈值，具体包括：

38、获取正常投标人的历史综合异常分数，根据所述历史综合异常分数的分布确定基础预警阈值；

39、获取所述当前招标项目的项目属性信息，所述项目属性信息至少包括项目类型、项目金额区间及行业风险系数；

40、根据所述项目类型确定第一调节系数，根据所述项目金额区间确定第二调节系数，根据所述行业风险系数确定第三调节系数；

41、将所述基础预警阈值与所述第一调节系数、所述第二调节系数及所述第三调节系数相乘，得到所述预警阈值。

42、一种基于投标人行为时序特征的围串标风险动态预警系统，所述系统包括：

43、采集编码模块，用于采集投标人在电子招投标过程中的多维投标行为数据，对所述多维投标行为数据进行特征编码，生成多维行为向量序列；

44、时序建模模块，用于对所述多维行为向量序列进行层次化时序建模，得到项目内时序表征和跨项目时序表征，通过门控融合机制对所述项目内时序表征与所述跨项目时序表征进行融合，生成层次化行为表征；

45、异常评分模块，用于基于所述层次化行为表征计算预测误差信号、隐空间距离信号及规则引擎信号，并对所述预测误差信号、所述隐空间距离信号及所述规则引擎信号进行自适应加权融合，计算综合异常分数；

46、动态预警模块，用于根据当前招标项目的项目属性信息动态计算预警阈值，将所述综合异常分数与所述预警阈值进行比较，判定围串标风险等级，并根据所述围串标风险等级触发预警响应。

47、一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行如上任意一项所述的一种基于投标人行为时序特征的围串标风险动态预警方法的步骤。

48、一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现如上任意一项所述的一种基于投标人行为时序特征的围串标风险动态预警方法的步骤。

49、与相关技术相比较，本发明提供的一种基于投标人行为时序特征的围串标风险动态预警方法及系统具有如下有益效果：

50、本发明通过采集投标人在电子招投标过程中的多维投标行为数据，对多维投标行为数据进行特征编码，生成多维行为向量序列；对多维行为向量序列进行层次化时序建模，得到项目内时序表征和跨项目时序表征，通过门控融合机制对项目内时序表征与跨项目时序表征进行融合，生成层次化行为表征；基于层次化行为表征计算预测误差信号、隐空间距离信号及规则引擎信号，并对预测误差信号、隐空间距离信号及规则引擎信号进行自适应加权融合，计算综合异常分数；根据当前招标项目的项目属性信息动态计算预警阈值，将综合异常分数与预警阈值进行比较，判定围串标风险等级，并根据围串标风险等级触发预警响应，从而可以实现对投标人跨项目时序行为规律的有效捕获与多维度异常信号的深度融合，显著提升围串标风险检测的准确率与实时性，实现从静态事后分析向动态自适应预警的能力跃升。

51、本发明将投标人在电子招投标过程中的多维投标行为数据编码为多维行为向量序列，通过第一循环神经网络与时序自注意力机制提取项目内时序表征，通过第二循环神经网络结合时间感知位置编码提取跨项目时序表征，能够有效捕获投标人在单个项目内和跨多个项目两个层次上的行为时序规律，识别轮换中标、规律性配对投标等传统静态分析方法无法发现的围串标行为模式。本发明通过门控融合机制对项目内时序表征与跨项目时序表征进行自适应融合，门控向量根据输入动态调节两个层次特征的贡献比例，使得模型在不同围串标场景下能够灵活选择最具判别力的特征层次，避免了固定权重融合方案在场景差异显著时的性能退化问题，实现了多层次行为特征的自适应融合。本发明基于层次化行为表征计算预测误差信号、隐空间距离信号及规则引擎信号三路互补的异常信号，分别从时序预测偏差、正常行为分布偏离和专家规则匹配三个维度进行异常检测，并采用自适应加权融合策略将三个信号合成为综合异常分数，显著提升了围串标风险检测的准确率和鲁棒性，避免了单一检测维度的局限性。本发明通过根据项目属性信息动态计算预警阈值并与综合异常分数进行比较，判定风险等级并触发分级预警响应，实现了适应不同项目场景的动态风险预警，避免了固定阈值方案在不同项目类型、金额区间和行业风险环境下适应性差的问题。